CN107908836A - 一种轧制参数优化方法及装置 - Google Patents
一种轧制参数优化方法及装置 Download PDFInfo
- Publication number
- CN107908836A CN107908836A CN201711053859.9A CN201711053859A CN107908836A CN 107908836 A CN107908836 A CN 107908836A CN 201711053859 A CN201711053859 A CN 201711053859A CN 107908836 A CN107908836 A CN 107908836A
- Authority
- CN
- China
- Prior art keywords
- steel
- grade
- steel grade
- rolling
- actual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
- B21B37/58—Roll-force control; Roll-gap control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Control Of Metal Rolling (AREA)
Abstract
本发明实施例提供了一种轧制参数优化方法和装置,用于提高高强度带钢轧制精度。所述方法包括:确定钢种所属钢级;基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;获取所述钢种在实际生产时的实际轧制力;基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
Description
技术领域
本发明涉及轧钢技术领域,尤其涉及一种轧制参数优化方法及装置。
背景技术
汽车实现轻量化需要汽车钢板具有高强度、安全性、高塑性、低成本、易加工等特点,但高强度与高塑性很难同时实现。由于高强度带钢兼顾高强度和一定成形性,是汽车制造厂家的首选材料。由于高强度带钢的钢种繁多,合金成分各有不同,在生产过程中主要面临轧制力设定精度不高,轧制跑偏断带,板形厚度控制难度大等问题。在生产高强度带钢过程中,由于轧机力设定精度问题导致的故障停机频发,长时间的故障停机以及整卷钢的空卷,造成很大损失。所以,现有技术存在轧制力设定精度不够的技术问题。
发明内容
本发明实施例提供了一种轧制参数优化方法及装置,用于提高高强度带钢轧制精度。
第一方面,本发明提供了一种轧制参数优化方法,包括:
可选的,在所述确定钢种所属钢级之前,所述方法还包括:
基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
所述确定钢种所属钢级,包括:
基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
可选的,所述基于所述模拟轧制力和所述实际轧制力,确定参数优化策略,包括:
确定所述模拟轧制力和所述实际轧制力的偏差值;
判断所述偏差值是否大于预设阈值;
如果是,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
可选的,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
可选的,所述方法还包括:
基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
获取所述钢种在实际生产时的实际摩擦力系数;
基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
第二方面,本发明提供了一种轧制参数优化装置,包括:
确定单元,用于确定钢种所属钢级;
第一计算单元,用于基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;
第一获取单元,用于获取所述钢种在实际生产时的实际轧制力;
第一优化单元,用于基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
可选的,所述装置还包括:
钢级划分单元,用于在所述确定钢种所属钢级之前,基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
所述确定单元具体用于:基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
可选的,所述优化单元包括:
确定模块,用于确定所述模拟轧制力和所述实际轧制力的偏差值;
判断模块,用于判断所述偏差值是否大于预设阈值;
第一调整模块,用于如果所述判断模块的判断结果为是时,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
可选的,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
可选的,所述装置还包括:
第二计算单元,用于基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
第二获取单元,用于获取所述钢种在实际生产时的实际摩擦力系数;
第二优化单元,用于基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
在本发明实施例的技术方案中,在对轧制参数进行优化时,首先确定钢种所属钢级;不同的钢级的轧制模型对应的轧制参数不同,进而在确定好钢种所属钢级后,可以计算该钢种对应的模拟轧制力。进而,还需要获取钢种在实际生产时的实际轧制力,最后基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。可以通过实际轧制力与模拟轧制力的偏差,不断修正轧制参数,使得轧制参数能够更加准确,进而使得生产出的带钢的质量得到保障。
附图说明
图1为本申请实施例提供的轧制参数优化方法的流程图;
图2为本申请实施例提供的轧制参数优化装置的结构示意图。
具体实施方式
本发明实施例提供了一种轧制参数优化方法,用于提高高强度带钢轧制精度。所述方法包括:确定钢种所属钢级;基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;获取所述钢种在实际生产时的实际轧制力;基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
请参考图1,本发明提供的轧制参数优化方法,包括如下步骤:
S101:确定钢种所属钢级;
S102:基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;
S103:获取所述钢种在实际生产时的实际轧制力;
S104:基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
具体的,在本实施例中,在对轧制参数进行优化时,首先确定钢种所属钢级。由于不同的钢级的轧制模型对应的轧制参数不同,进而在确定好钢种所属钢级后,可以采用确定出的轧制参数计算该钢种对应的模拟轧制力。进而,还需要获取钢种在实际生产时的实际轧制力,最后基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。可以通过实际轧制力与模拟轧制力的偏差,不断修正轧制参数,使得轧制参数能够更加准确,进而使得生产出的带钢的质量得到保障。
进一步,在本实施例中,为了能确保轧制参数能够更加符合生产需求,在所述确定钢种所属钢级之前,所述方法还包括:
基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
进而,所述确定钢种所属钢级,包括:
基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
具体的,在本实施例中,在现有技术中,基于热轧卷曲温度,可对钢种的钢级进行划分,由于热卷曲温度的波动比较大,钢级划分比较粗略,通常划分为12种钢级,不同的钢级对应的轧制参数不同,但划分至一个等级的不同钢种可能轧制参数有一定的差异,所以,采用这样的划分方式可能会造成不同钢种的轧制力的设定精度不高。
并且,在进行钢种维护时,维护人员基本只看牌号的屈服强度决定钢种的钢级。由于生产和维护关联不够密切,后续钢种生产时,若维护人员没有得到轧制精度不够的反馈,也不会进行优化调整,长期生产会造成轧制力设定精度不够的恶性循环。进而,在本实施例中,可以基于钢种的成分和/或屈服强度划分钢级,划分的钢级大于12个等级,比如:划分为24或36个等级。钢种的成分可以是含碳量或者其它成分。由于钢级划分更细,使得不同钢级对应的轧制参数更符合生产需求。进而,在确定当前优化的钢种所属的钢级时,可以基于该钢种的成分和/或屈服强度来确定。
进一步,在本实施例中,在确定当前优化钢种所属的钢级后,获取计算该钢种的轧制力模型以及对应的轧制参数,计算出钢种对应的模拟轧制力。
具体的,在本实施例中,首先通过下述公式确定第i机架的平均变形抗力:
其中,kmi为第i机架的平均变形抗力,ZLKi为第i机架的自学习系数,查表得到,ksti为第i机架的静态变形抗力,kdi为第i机架的动态变形抗力,g为重力加速度,Ci第i架的变形抗力系数,查表得到,m为屈服应变,查表得到,ni为第i机架的加工硬化指数,查表得到,k为波尔兹曼常数(8.617×10-5),TEi为第i机架前带钢的温度,H1为原料卷厚度,Hi为第i机架前带钢厚度,hi为第i机架后带钢厚度,VRi为第i机架工作辊的线速度,Rdi为第i机架工作辊(压扁后)的半径,a0,a1为应变速率系数,查表得到。
进而,模拟轧制力可通过以下公式求取:
其中,Pi为第i机架的轧制力,ZCPi为第i机架每卷的自学习参数,查表得到,ZLPi为第i机架长期的自学习参数,查表得到,αBMP为宽度补偿系数,查表得到,B为带钢宽度,kmi为第i机架的平均变形抗力,通过前述变性抗力模型求得,为接触弧长度(工作辊压扁后的),Pei为带钢弹性恢复对轧制力的影响,β1为张力影响系数,查表得到,tbi,tfi为第i机架的前后张力和前张力,通过张力模型计算得到,A0i,A1i,A2i,A3i,A4i为常数,查表得到,ai为第i机架的轧辊特性参数,ri为第i机架的压下率。
进而,在计算获得第i机架的模拟轧制力后,执行步骤S103:基于所述模拟轧制力和所述实际轧制力,确定参数优化策略,包括:
确定所述模拟轧制力和所述实际轧制力的偏差值;
判断所述偏差值是否大于预设阈值;
如果是,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
其中,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
具体的,在本实施例中,针对第i机架,通过前述公式计算得到第i机架的模拟轧制力,还需要检测获得第i机架生产后的带钢的实际轧制力。进而获取得到模拟轧制力和实际轧制力的偏差值,该偏差值是模拟轧制力和实际轧制力的差值的绝对值,该偏差值还可以是模拟轧制力和实际轧制力的比值,在具体实施过程中,偏差值的确定方式可根据实际需要进行设定,在此,本申请不做限制。然后,判断该偏差值是否大于预设阈值,预设阈值可根据实际需要进行设定,比如:5%或10%,在此,本申请不做限制。
在偏差值大于预设阈值时,表明模拟计算得到的模拟轧制力和实际生产时得到的实际轧制力偏差较大,轧制参数需要通过工艺人员通过手动调整的方式来对轧制参数进行调整。所以,本实施例中的轧制参数优化方法,输出提示信息用于提示操作对象手动调整该钢种对应的轧制力参数。提示信息可以是语音信息、文字信息或者其它信息,进而输出提示信息的方式可以是输出语音信息、文字信息,或者点亮提示灯等方式。在具体实施过程中,提示信息以及输出提示信息的方式可根据实际需要进行设定,在此,本申请不做限制。
在偏差值小于预设阈值,表明模拟计算得到的模拟轧制力和实际生产时得到的实际轧制力偏差较小,可通过自学习系统修正的方式修正钢种对应的轧制力参数。具体的,由前述公式可知,可通过调整变形抗力系数Ci、自学习参数ZCPi和ZLPi来调整模拟轧制力,进而在不同的变形抗力系数Ci、自学习参数ZCPi和ZLPi下,检测到实际生产的带钢的实际轧制力,得到多组模拟轧制力和实际轧制力,对Ci、ZCPi、ZLPi进行优化。
自适应计算以实际测量数据为基础,用实际测量值代入模型方程中,通过设定值与实测值的偏差来修正数学模型,假设某个数学模型需要校正其中的某个系数(如本实施例中的Ci、ZCPi、ZLPi),使用指数平滑法求该系数的校正值,其算计算公式如下:
其中,ηN为第N次自适应后的系数,为利用实测值所求的相应于此系数的实测值,ηN+1为将用于第N+1次自适应的系数,α为增益系数,其中0≤α≤1,XM为实测值,XR为模型计算值。
在对下一次系数ηN+1进行修正时,需要调用本次的系数ηN以及实测值η* N,下一次轧制的系数即为ηN+1。通过这种自适应计算,可使模型不断随系统的状态变化而变化,达到自适应的目的,从而不断提高模型的精度。自适应算法中如何确定增益系数是关键所在。增益系数α反映出自适应计算对信息利用的比重大小,根据每次实测数据的状况来确定α值的大小。多次自适应后用自适应结果更新自学习模型系数,然后将ηN+1存储到轧制规范表中,替代原来的ηN,以用于下卷钢的设定计算。对下一卷钢预计算时,自学习系数采用自学习表格中上一卷钢的最新的自学习模型系数ηN+1。这样,就可以采用上述自学习的方式获得优化后的Ci、ZCPi、ZLPi,优化后的Ci、ZCPi、ZLPi即为与该钢种对应的轧制参数。
述进一步,针对换辊启车轧制力偏差问题,通过调整摩擦系数来解决,具体的,所方法还包括:
基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
获取所述钢种在实际生产时的实际摩擦力系数;
基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
具体的,在本实施例中,通过下述摩擦力系数模型计算获得模拟摩擦力系数:
其中,μi为第i机架的摩擦系数,Cfluidsi,Csurfi为第i机架的冷却剂系数及表面质量系数,从配置文档查得,通常取值为1,Lrsi为第i机架工作辊的累计轧制长度(单位km),VRi为第i机架的工作辊辊速,Ri为第i机架压下率,a1Li,a2Li,a3Li,a4Li,a5Li,a6Li,b1Li,b2Li,b3Li,hi为常数,查表得到,Temp为冷却剂的温度,ZCFi为第i机架的卷间自学习系数,查表得到,ZLFi为第i机架的长期自学习系数,查表得到,为第i机架的摩擦系数下限(0.01),为第i机架的摩擦系数上限(0.16)。
具体的,在本实施例中,针对第i机架,通过前述公式计算得到第i机架的摩擦力系数,还需要检测获得第i机架生产后的带钢的实际摩擦力系数。进而获取得到模拟摩擦力系数和实际摩擦力系数的偏差值,该偏差值是模拟摩擦力系数和实际摩擦力系数的差值的绝对值,该偏差值还可以是模拟摩擦力系数和实际摩擦力系数的比值,在具体实施过程中,偏差值的确定方式可根据实际需要进行设定,在此,本申请不做限制。然后,判断该偏差值是否大于预设阈值,预设阈值可根据实际需要进行设定,比如:5%或10%,在此,本申请不做限制。
在偏差值大于预设阈值时,表明模拟计算得到的模拟摩擦力系数和实际生产时得到的实际摩擦力系数偏差较大,轧制参数需要通过工艺人员通过手动调整的方式来对轧制参数进行调整。所以,本实施例中的轧制参数优化方法,输出提示信息用于提示操作对象手动调整该钢种对应的摩擦力系数参数。提示信息可以是语音信息、文字信息或者其它信息,进而输出提示信息的方式可以是输出语音信息、文字信息,或者点亮提示灯等方式。在具体实施过程中,提示信息以及输出提示信息的方式可根据实际需要进行设定,在此,本申请不做限制。
在偏差值小于预设阈值,表明模拟计算得到的模拟摩擦力系数和实际生产时得到的实际摩擦力系数偏差较小,可通过自学习系统修正的方式修正钢种对应的摩擦力系数。
具体的,由前述公式可知,可通过调整自学习参数ZCFi和ZLFi来调整模拟摩擦力系数,进而在不同自学习参数ZCFi和ZLFi下,检测到实际生产的带钢的实际摩擦力系数,得到多组模拟摩擦力系数和实际摩擦力系数,对ZCFi和ZLFi进行优化。自学习的方式采用前述的方式,在此,本申请不做赘述。
请参见图2,本发明的第二实施例提供了一种轧制参数优化装置,该装置包括:
确定单元201,用于确定钢种所属钢级;
第一计算单元202,用于基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;
第一获取单元203,用于获取所述钢种在实际生产时的实际轧制力;
第一优化单元204,用于基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
具体的,在本实施例中,轧制参数优化装置可以是PLC(Programmable LogicController,可编程逻辑控制器)设备,当然,也可以是其他设备。在对轧制参数进行优化时,确定单元201首先确定钢种所属钢级。由于不同的钢级的轧制模型对应的轧制参数不同,进而在确定好钢种所属钢级后,第一计算单元202可以采用确定出的轧制参数计算该钢种对应的模拟轧制力。进而,第一获取单元203还需要获取钢种在实际生产时的实际轧制力,最后第一优化单元204基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。可以通过实际轧制力与模拟轧制力的偏差,不断修正轧制参数,使得轧制参数能够更加准确,进而使得生产出的带钢的质量得到保障。
进一步,在本实施例中,为了能确保轧制参数能够更加符合生产需求,所述装置还包括:
钢级划分单元,用于在所述确定钢种所属钢级之前,基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
所述确定单元201具体用于:基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
具体的,在本实施例中,在现有技术中,基于热轧卷曲温度,可对钢种的钢级进行划分,由于热卷曲温度的波动比较大,钢级划分比较粗略,通常划分为12种钢级,不同的钢级对应的轧制参数不同,但划分至一个等级的不同钢种可能轧制参数有一定的差异,所以,采用这样的划分方式可能会造成不同钢种的轧制力的设定精度不高。
并且,在进行钢种维护时,维护人员基本只看牌号的屈服强度决定钢种的钢级。由于生产和维护关联不够密切,后续钢种生产时,若维护人员没有得到轧制精度不够的反馈,也不会进行优化调整,长期生产会造成轧制力设定精度不够的恶性循环。进而,在本实施例中,钢级划分单元可以基于钢种的成分和/或屈服强度划分钢级,划分的钢级大于12个等级,比如:划分为24或36个等级。钢种的成分可以是含碳量或者其它成分。由于钢级划分更细,使得不同钢级对应的轧制参数更符合生产需求。进而,确定单元201在确定当前优化的钢种所属的钢级时,可以基于该钢种的成分和/或屈服强度来确定。
进一步,在本实施例中,在确定当前优化钢种所属的钢级后,获取计算该钢种的轧制力模型以及对应的轧制参数,计算出钢种对应的模拟轧制力。
具体的,在本实施例中,首先通过下述公式确定第i机架的平均变形抗力:
其中,kmi为第i机架的平均变形抗力,ZLKi为第i机架的自学习系数,查表得到,ksti为第i机架的静态变形抗力,kdi为第i机架的动态变形抗力,g为重力加速度,Ci第i架的变形抗力系数,查表得到,m为屈服应变,查表得到,ni为第i机架的加工硬化指数,查表得到,k为波尔兹曼常数(8.617×10-5),TEi为第i机架前带钢的温度,H1为原料卷厚度,Hi为第i机架前带钢厚度,hi为第i机架后带钢厚度,VRi为第i机架工作辊的线速度,Rdi为第i机架工作辊(压扁后)的半径,a0,a1为应变速率系数,查表得到。
进而,模拟轧制力可通过以下公式求取:
其中,Pi为第i机架的轧制力,ZCPi为第i机架每卷的自学习参数,查表得到,ZLPi为第i机架长期的自学习参数,查表得到,αBMP为宽度补偿系数,查表得到,B为带钢宽度,kmi为第i机架的平均变形抗力,通过前述变性抗力模型求得,为接触弧长度(工作辊压扁后的),Pei为带钢弹性恢复对轧制力的影响,β1为张力影响系数,查表得到,tbi,tfi为第i机架的前后张力和前张力,通过张力模型计算得到,A0i,A1i,A2i,A3i,A4i为常数,查表得到,ai为第i机架的轧辊特性参数,ri为第i机架的压下率。
进而,所述优化单元204包括:
确定模块,用于确定所述模拟轧制力和所述实际轧制力的偏差值;
判断模块,用于判断所述偏差值是否大于预设阈值;
第一调整模块,用于如果所述判断模块的判断结果为是时,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
其中,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
具体的,在本实施例中,针对第i机架,第一计算单元202通过前述公式计算得到第i机架的模拟轧制力,第一获取单元203还需要检测获得第i机架生产后的带钢的实际轧制力。进而第一优化单元204的确定模块获取得到模拟轧制力和实际轧制力的偏差值,该偏差值是模拟轧制力和实际轧制力的差值的绝对值,该偏差值还可以是模拟轧制力和实际轧制力的比值,在具体实施过程中,偏差值的确定方式可根据实际需要进行设定,在此,本申请不做限制。然后,第一优化单元204的判断模块判断该偏差值是否大于预设阈值,预设阈值可根据实际需要进行设定,比如:5%或10%,在此,本申请不做限制。
在偏差值大于预设阈值时,表明模拟计算得到的模拟轧制力和实际生产时得到的实际轧制力偏差较大,轧制参数需要通过工艺人员通过手动调整的方式来对轧制参数进行调整。所以,第一调整模块输出提示信息用于提示操作对象手动调整该钢种对应的轧制力参数。提示信息可以是语音信息、文字信息或者其它信息,进而输出提示信息的方式可以是输出语音信息、文字信息,或者点亮提示灯等方式。在具体实施过程中,提示信息以及输出提示信息的方式可根据实际需要进行设定,在此,本申请不做限制。
在偏差值小于预设阈值,表明模拟计算得到的模拟轧制力和实际生产时得到的实际轧制力偏差较小,第一调整模块可通过自学习系统修正的方式修正钢种对应的轧制力参数。具体的,由前述公式可知,可通过调整变形抗力系数Ci、自学习参数ZCPi和ZLPi来调整模拟轧制力,进而在不同的变形抗力系数Ci、自学习参数ZCPi和ZLPi下,检测到实际生产的带钢的实际轧制力,得到多组模拟轧制力和实际轧制力,对Ci、ZCPi、ZLPi进行优化。
自适应计算以实际测量数据为基础,用实际测量值代入模型方程中,通过设定值与实测值的偏差来修正数学模型,假设某个数学模型需要校正其中的某个系数(如本实施例中的Ci、ZCPi、ZLPi),使用指数平滑法求该系数的校正值,其算计算公式如下:
其中,ηN为第N次自适应后的系数,为利用实测值所求的相应于此系数的实测值,ηN+1为将用于第N+1次自适应的系数,α为增益系数,其中0≤α≤1,XM为实测值,XR为模型计算值。
在对下一次系数ηN+1进行修正时,需要调用本次的系数ηN以及实测值η* N,下一次轧制的系数即为ηN+1。通过这种自适应计算,可使模型不断随系统的状态变化而变化,达到自适应的目的,从而不断提高模型的精度。自适应算法中如何确定增益系数是关键所在。增益系数α反映出自适应计算对信息利用的比重大小,根据每次实测数据的状况来确定α值的大小。多次自适应后用自适应结果更新自学习模型系数,然后将ηN+1存储到轧制规范表中,替代原来的ηN,以用于下卷钢的设定计算。对下一卷钢预计算时,自学习系数采用自学习表格中上一卷钢的最新的自学习模型系数ηN+1。这样,就可以采用上述自学习的方式获得优化后的Ci、ZCPi、ZLPi,优化后的Ci、ZCPi、ZLPi即为与该钢种对应的轧制参数。
述进一步,针对换辊启车轧制力偏差问题,通过调整摩擦系数来解决,具体的,所述装置还包括:
第二计算单元,用于基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
第二获取单元,用于获取所述钢种在实际生产时的实际摩擦力系数;
第二优化单元,用于基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
具体的,在本实施例中,第二计算单元通过下述摩擦力系数模型计算获得模拟摩擦力系数:
其中,μi为第i机架的摩擦系数,Cfluidsi,Csurfi为第i机架的冷却剂系数及表面质量系数,从配置文档查得,通常取值为1,Lrsi为第i机架工作辊的累计轧制长度(单位km),VRi为第i机架的工作辊辊速,Ri为第i机架压下率,a1Li,a2Li,a3Li,a4Li,a5Li,a6Li,b1Li,b2Li,b3Li,hi为常数,查表得到,Temp为冷却剂的温度,ZCFi为第i机架的卷间自学习系数,查表得到,ZLFi为第i机架的长期自学习系数,查表得到,为第i机架的摩擦系数下限(0.01),为第i机架的摩擦系数上限(0.16)。
具体的,在本实施例中,针对第i机架,通过前述公式计算得到第i机架的摩擦力系数,第二获取单元还需要检测获得第i机架生产后的带钢的实际摩擦力系数。进而获取得到模拟摩擦力系数和实际摩擦力系数的偏差值,该偏差值是模拟摩擦力系数和实际摩擦力系数的差值的绝对值,该偏差值还可以是模拟摩擦力系数和实际摩擦力系数的比值,在具体实施过程中,偏差值的确定方式可根据实际需要进行设定,在此,本申请不做限制。然后,判断该偏差值是否大于预设阈值,预设阈值可根据实际需要进行设定,比如:5%或10%,在此,本申请不做限制。
在偏差值大于预设阈值时,表明模拟计算得到的模拟摩擦力系数和实际生产时得到的实际摩擦力系数偏差较大,轧制参数需要通过工艺人员通过手动调整的方式来对轧制参数进行调整。所以,第二优化单元输出提示信息用于提示操作对象手动调整该钢种对应的摩擦力系数参数。提示信息可以是语音信息、文字信息或者其它信息,进而输出提示信息的方式可以是输出语音信息、文字信息,或者点亮提示灯等方式。在具体实施过程中,提示信息以及输出提示信息的方式可根据实际需要进行设定,在此,本申请不做限制。
在偏差值小于预设阈值,表明模拟计算得到的模拟摩擦力系数和实际生产时得到的实际摩擦力系数偏差较小,第二优化单元可通过自学习系统修正的方式修正钢种对应的摩擦力系数。
具体的,由前述公式可知,可通过调整自学习参数ZCFi和ZLFi来调整模拟摩擦力系数,进而在不同自学习参数ZCFi和ZLFi下,检测到实际生产的带钢的实际摩擦力系数,得到多组模拟摩擦力系数和实际摩擦力系数,对ZCFi和ZLFi进行优化。自学习的方式采用前述的方式,在此,本申请不做赘述。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
在本发明实施例的技术方案中,在对轧制参数进行优化时,首先确定钢种所属钢级;不同的钢级的轧制模型对应的轧制参数不同,进而在确定好钢种所属钢级后,可以计算该钢种对应的模拟轧制力。进而,还需要获取钢种在实际生产时的实际轧制力,最后基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。可以通过实际轧制力与模拟轧制力的偏差,不断修正轧制参数,使得轧制参数能够更加准确,进而使得生产出的带钢的质量得到保障。进而,可大幅提高了轧制力的设定精度,降低了事故率,提高了生产效率。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种轧制参数优化方法,其特征在于,包括:
确定钢种所属钢级;
基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;
获取所述钢种在实际生产时的实际轧制力;
基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
2.如权利要求1所述的方法,其特征在于,在所述确定钢种所属钢级之前,所述方法还包括:
基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
所述确定钢种所属钢级,包括:
基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
3.如权利要求1所述的方法,其特征在于,所述基于所述模拟轧制力和所述实际轧制力,确定参数优化策略,包括:
确定所述模拟轧制力和所述实际轧制力的偏差值;
判断所述偏差值是否大于预设阈值;
如果是,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
4.如权利要求3所述的方法,其特征在于,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
5.如权利要求1-4中任一权利要求所述的方法,其特征在于,所述方法还包括:
基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
获取所述钢种在实际生产时的实际摩擦力系数;
基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
6.一种轧制参数优化装置,其特征在于,包括:
确定单元,用于确定钢种所属钢级;
第一计算单元,用于基于所述钢种所属钢级,计算所述钢种对应的模拟轧制力;
第一获取单元,用于获取所述钢种在实际生产时的实际轧制力;
第一优化单元,用于基于所述模拟轧制力和所述实际轧制力,确定参数优化策略。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
钢级划分单元,用于在所述确定钢种所属钢级之前,基于钢种的成分和/或屈服强度划分钢级,划分的钢级至少包括12个等级;
所述确定单元具体用于:基于所述钢种的成分和/或屈服强度,确定所述钢种所属钢级。
8.如权利要求6所述的装置,其特征在于,所述优化单元包括:
确定模块,用于确定所述模拟轧制力和所述实际轧制力的偏差值;
判断模块,用于判断所述偏差值是否大于预设阈值;
第一调整模块,用于如果所述判断模块的判断结果为是时,输出提示信息,用于提示操作对象手动调整所述钢种对应的轧制力参数;
如果否,通过自学习系统修正所述钢种对应的轧制力参数。
9.如权利要求8所述的装置,其特征在于,所述轧制力参数包括变形抗力系数和/或所述自学习系统的自学习系数。
10.如权利要求6-9中任一权利要求所述的装置,其特征在于,所述装置还包括:
第二计算单元,用于基于所述钢种所属钢级,计算所述钢种对应的模拟摩擦力系数;
第二获取单元,用于获取所述钢种在实际生产时的实际摩擦力系数;
第二优化单元,用于基于所述模拟摩擦力系数和所述实际摩擦力系数,优化所述钢种的摩擦力系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711053859.9A CN107908836B (zh) | 2017-10-31 | 2017-10-31 | 一种轧制参数优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711053859.9A CN107908836B (zh) | 2017-10-31 | 2017-10-31 | 一种轧制参数优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107908836A true CN107908836A (zh) | 2018-04-13 |
CN107908836B CN107908836B (zh) | 2021-11-19 |
Family
ID=61843203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711053859.9A Active CN107908836B (zh) | 2017-10-31 | 2017-10-31 | 一种轧制参数优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107908836B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109731921A (zh) * | 2019-03-01 | 2019-05-10 | 北京金自天正智能控制股份有限公司 | 一种精轧机架间张力的计算方法 |
CN109926452A (zh) * | 2019-04-16 | 2019-06-25 | 河北津西钢铁集团股份有限公司 | 应用于轧钢的过程控制方法、过程控制装置及终端 |
CN110227725A (zh) * | 2019-05-24 | 2019-09-13 | 首钢京唐钢铁联合有限责任公司 | 一种辊缝自学习纠偏的方法及装置 |
CN111112344A (zh) * | 2019-12-21 | 2020-05-08 | 唐山钢铁集团微尔自动化有限公司 | 一种基于离线自适应优化轧制力模型的控制方法 |
WO2020166124A1 (ja) * | 2019-02-12 | 2020-08-20 | Jfeスチール株式会社 | 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法 |
CN112474815A (zh) * | 2020-11-04 | 2021-03-12 | 北京首钢自动化信息技术有限公司 | 一种控制轧制过程的方法及装置 |
CN112845618A (zh) * | 2021-02-05 | 2021-05-28 | 唐山钢铁集团有限责任公司 | 一种优化热轧平整二级轧制力设定值的方法 |
CN113020286A (zh) * | 2021-02-05 | 2021-06-25 | 首钢集团有限公司 | 一种轧制过程稳定性控制方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102363159A (zh) * | 2011-10-26 | 2012-02-29 | 北京科技大学 | 一种单张板精密冷轧板厚测量系统的厚度控制方法 |
CN102896156A (zh) * | 2012-09-29 | 2013-01-30 | 鞍钢股份有限公司 | 一种热轧带钢辊缝模型的优化方法 |
CN104898430A (zh) * | 2015-06-03 | 2015-09-09 | 北京首钢自动化信息技术有限公司 | 基于数据挖掘的单机架冷轧轧制力模型参数优化方法 |
CN105404711A (zh) * | 2015-10-23 | 2016-03-16 | 首钢总公司 | 一种拉矫机工艺参数的优化方法及系统 |
CN105750336A (zh) * | 2016-03-29 | 2016-07-13 | 宁波宝新不锈钢有限公司 | 一种提高森吉米尔轧机非稳态轧制阶段轧制力预设定精度的方法 |
CN105855297A (zh) * | 2016-05-25 | 2016-08-17 | 江苏省沙钢钢铁研究院有限公司 | 一种提高热轧首块无取向硅钢头部厚度精度的控制方法 |
CN106623443A (zh) * | 2016-12-28 | 2017-05-10 | 苏州大学 | 一种厚板粗轧阶段轧制力预报方法 |
-
2017
- 2017-10-31 CN CN201711053859.9A patent/CN107908836B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102363159A (zh) * | 2011-10-26 | 2012-02-29 | 北京科技大学 | 一种单张板精密冷轧板厚测量系统的厚度控制方法 |
CN102896156A (zh) * | 2012-09-29 | 2013-01-30 | 鞍钢股份有限公司 | 一种热轧带钢辊缝模型的优化方法 |
CN104898430A (zh) * | 2015-06-03 | 2015-09-09 | 北京首钢自动化信息技术有限公司 | 基于数据挖掘的单机架冷轧轧制力模型参数优化方法 |
CN105404711A (zh) * | 2015-10-23 | 2016-03-16 | 首钢总公司 | 一种拉矫机工艺参数的优化方法及系统 |
CN105750336A (zh) * | 2016-03-29 | 2016-07-13 | 宁波宝新不锈钢有限公司 | 一种提高森吉米尔轧机非稳态轧制阶段轧制力预设定精度的方法 |
CN105855297A (zh) * | 2016-05-25 | 2016-08-17 | 江苏省沙钢钢铁研究院有限公司 | 一种提高热轧首块无取向硅钢头部厚度精度的控制方法 |
CN106623443A (zh) * | 2016-12-28 | 2017-05-10 | 苏州大学 | 一种厚板粗轧阶段轧制力预报方法 |
Non-Patent Citations (4)
Title |
---|
PENG WEN等: ""Optimization of Rollgap Self-learning Algorithm in Tandem Hot Rolled Strip Finishing Mill"", 《2012 24TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
刘欢欢: ""轧机模型预设定在2230酸轧线的应用"", 《中国计量协会冶金分会2017年会》 * |
王彦辉等: ""轧制力优化对20辊冷轧硅钢厚度精度的影响"", 《冶金自动化》 * |
魏立新等: ""基于自适应遗传算法的冷连轧轧制力模型自学习"", 《轧钢》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020166124A1 (ja) * | 2019-02-12 | 2020-08-20 | Jfeスチール株式会社 | 製造設備の設定条件決定方法、圧延機のミルセットアップ設定値の決定方法、圧延機のミルセットアップ設定値の決定装置、製造物の製造方法および圧延材の製造方法 |
CN113439244A (zh) * | 2019-02-12 | 2021-09-24 | 杰富意钢铁株式会社 | 制造设备的设定条件决定方法、轧制机的轧机设置设定值的决定方法、轧制机的轧机设置设定值的决定装置、制造物的制造方法及轧制材料的制造方法 |
CN109731921A (zh) * | 2019-03-01 | 2019-05-10 | 北京金自天正智能控制股份有限公司 | 一种精轧机架间张力的计算方法 |
CN109731921B (zh) * | 2019-03-01 | 2020-05-19 | 北京金自天正智能控制股份有限公司 | 一种精轧机架间张力的计算方法 |
CN109926452A (zh) * | 2019-04-16 | 2019-06-25 | 河北津西钢铁集团股份有限公司 | 应用于轧钢的过程控制方法、过程控制装置及终端 |
CN110227725A (zh) * | 2019-05-24 | 2019-09-13 | 首钢京唐钢铁联合有限责任公司 | 一种辊缝自学习纠偏的方法及装置 |
CN111112344A (zh) * | 2019-12-21 | 2020-05-08 | 唐山钢铁集团微尔自动化有限公司 | 一种基于离线自适应优化轧制力模型的控制方法 |
CN112474815A (zh) * | 2020-11-04 | 2021-03-12 | 北京首钢自动化信息技术有限公司 | 一种控制轧制过程的方法及装置 |
CN112845618A (zh) * | 2021-02-05 | 2021-05-28 | 唐山钢铁集团有限责任公司 | 一种优化热轧平整二级轧制力设定值的方法 |
CN113020286A (zh) * | 2021-02-05 | 2021-06-25 | 首钢集团有限公司 | 一种轧制过程稳定性控制方法及装置 |
CN112845618B (zh) * | 2021-02-05 | 2022-06-10 | 唐山钢铁集团有限责任公司 | 一种优化热轧平整二级轧制力设定值的方法 |
CN113020286B (zh) * | 2021-02-05 | 2023-09-15 | 首钢集团有限公司 | 一种轧制过程稳定性控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107908836B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908836A (zh) | 一种轧制参数优化方法及装置 | |
CN102886383B (zh) | 一种冷轧带钢机械性能在线控制方法 | |
CN101890435B (zh) | 热轧串联式轧机的凸度和/或楔形自动控制方法及系统 | |
CN104942019B (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
JPWO2009113719A1 (ja) | 熱間での板圧延における圧延負荷予測の学習方法 | |
CN111014307B (zh) | 一种炉卷和精轧机组连轧的轧机速度控制方法 | |
CN105195524A (zh) | 一种冷轧轧制升降速过程中板带厚度补偿控制方法 | |
CN107363105A (zh) | 一种热轧卷头部厚度的控制方法及装置 | |
CN102363159B (zh) | 一种单张板精密冷轧板厚测量系统的厚度控制方法 | |
CN101417292B (zh) | 依托常规轧制模型控制中低牌号电工钢轧制的方法 | |
CN104307891A (zh) | 一种阶梯式热轧带钢产线层流冷却控制方法 | |
CN108405630A (zh) | 一种带钢板形的控制方法及装置 | |
CN105057364A (zh) | 一种镁合金板材轧制边裂预判及控制方法 | |
CN106345818B (zh) | 一种特殊用钢的板形控制方法 | |
CN104324951B (zh) | 单机架启动轧制力设定和控制方法 | |
CN108856303A (zh) | 可靠的热连轧精轧机架咬钢信号控制方法 | |
CN104338753A (zh) | 一种冷连轧机的动态变规格控制方法 | |
CN106734243B (zh) | 一种冷轧机的弯辊力前馈补偿方法及补偿系统 | |
CN106960066A (zh) | 一种热连轧机组成品机架工作辊表面粗糙度预报方法 | |
CN102641896A (zh) | 一种冷轧带钢板形板厚综合控制系统 | |
CN113020319A (zh) | 一种带钢平整工艺方法、生产线 | |
US11230749B2 (en) | Method for operating an annealing furnace | |
CN103223422B (zh) | 一种热连轧机机架间带钢张力波动的控制方法 | |
CN106734233B (zh) | 一种铁素体轧制工艺的精轧控制方法及装置 | |
CN114472542A (zh) | 热轧带钢生产过程中的板形控制方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |